Pada akhir tahun lepas, media global melaporkan bahawa peralatan memasak plastik hitam mengandungi tahap penghalang api berkaitan kanser yang membimbangkan. Walau bagaimanapun, siasatan susulan menunjukkan risiko ini telah dibesar-besarkan disebabkan oleh kesilapan matematik; kepekatan sebenar sebatian kimia tertentu adalah sepuluh kali lebih rendah daripada had selamat yang didakwa. Penyelidik menunjukkan bahawa model AI mungkin dapat mengesan kesilapan ini dalam beberapa saat. Sebagai respons, dua projek yang menggunakan AI untuk mengenal pasti kesilapan dalam literatur saintifik muncul. Projek Black Spatula, alat sumber terbuka, telah menganalisis kira-kira 500 kertas untuk kesilapan, dengan pasukan yang terdiri daripada lapan pembangun dan banyak penasihat sukarelawan memilih untuk menghubungi pengarang yang terjejas secara langsung mengenai penemuan mereka, menurut Joaquin Gulloso, seorang penyelidik AI bebas di Cartagena, Colombia. “Ia menemui banyak kesilapan, ” lapornya, sambil menyatakan senarai panjang kertas bermasalah. Inisiatif kedua, YesNoError, yang diilhamkan oleh Black Spatula, bertujuan untuk mengkaji semua kertas yang tersedia dan disokong oleh cryptocurrency khusus. Pengasasnya, Matt Schlicht, mendakwa projek ini telah menganalisis lebih 37, 000 kertas dalam masa hanya dua bulan. Laman webnya mengenal pasti kertas dengan kecacatan yang dikesan, walaupun pengesahan manusia masih belum selesai. Kedua-dua projek menggalakkan penyelidik untuk menggunakan alat ini sebelum penghantaran jurnal dan untuk jurnal menggunakan alat ini sebelum penerbitan, bertujuan untuk mencegah kesilapan dan kerja penipuan daripada memasuki domain saintifik. Terdapat sokongan berhati-hati daripada profesional yang fokus pada integriti penyelidikan, walaupun terdapat kebimbangan mengenai kemungkinan tuduhan palsu dan impaknya.

Michèle Nuijten, seorang penyelidik metascience dari Universiti Tilburg di Belanda, menekankan kepentingan mengesahkan tuntutan alat untuk mengelakkan kerosakan reputasi bagi penyelidik yang dikenalpasti secara salah sebagai yang melakukan kesilapan. James Heathers, seorang metascientist forensik, menyatakan bahawa walaupun ada risiko, matlamat untuk meningkatkan integriti saintifik adalah penting, mencadangkan AI boleh membantu mengutamakan kertas untuk kajian lanjut. Kedua-dua inisiatif menggunakan model bahasa besar (LLM) untuk mengesan kesilapan dalam pelbagai bidang, termasuk ketidaktepatan fakta dan kelemahan metodologi. Proses ini melibatkan pengeluaran maklumat dari kertas, merumuskan permintaan kompleks untuk model pemikiran khusus, dan kemungkinan menyemak keputusan melalui pelbagai analisis. Kos untuk menganalisis setiap kertas berbeza berdasarkan panjang dan kompleksitinya. Walau bagaimanapun, cabaran besar adalah kadar positif palsu yang tinggi; Projek Black Spatula melaporkan bahawa ia secara salah mengenal pasti kesilapan kira-kira 10% daripada masa, menjadikan pengesahan pakar penting tetapi sukar. YesNoError yang dipimpin Schlicht telah mendapat pengesahan daripada pengarang kesilapan yang dikesan dalam 90% kes daripada kajian awal 10, 000 kertas. Rancangan sedang dalam perjalanan untuk YesNoError bekerjasama dengan ResearchHub, yang memotivasi semakan rakan sebaya dengan cryptocurrency, untuk memastikan pengesahan isu yang dikenalpasti oleh AI, walaupun proses ini masih belum bermula.